Damage detection in structures using subspace identification

Abstract

Alle konstruksjoner blir utsatt for skader, og konsekvensene kan være fatale. Hvis en skade blir oppdaget før konstruksjonen når brudd kan nødvendige tiltak iverksettes for å forhindre kollaps og øke sikkerheten for mennesker.

Hovedmålet med oppgaven er å se om en skade kan oppdages og lokaliseres ved å sammenligne et skadet system med et uskadet referansesystem. Fire datasett fra en målekampanje for Hell bru gir akselerasjonsmålinger for konstruksjonen i uskadet og skadet tilstand.

Egenfrekvenser og svingeformer, i uskadet og skadet tilstand, identifiseres fra stabiliseringsdiagrammer og stokastiske identifikasjonsmetoder. Både Covariance-driven stochastic subspace identification og Combined deterministic-stochastic subspace identification er benyttet i analysen av datasettene. Skadesensitive egenskaper avledet fra de modale egenskapene er evaluert for å indikere skaden i konstruksjonen.

Et sett med ni systemmoder, eller egenfrekvenser, er identifisert for konstruksjonen i uskadet tilstand. Kun fem av disse modene opptrer i skadet tilstand. De manglende modene i skadet tilstand indikerer at det eksisterer en skade i konstruksjonen.

COMAC-plottene indikerer området skaden befinner seg i. Ved å evaluere konturplottene reduseres området skaden kan befinne seg i med minst 71.4 %, og maksimalt 96 % av det totale brudekkarealet.

Fra resultatene er Combined deterministic-stochastic subspace identification den foretrukne metoden for å identifisere de modale egenskapene til en konstruksjon og å oppdage skader fra skadesensitive egenskaper.

All structures are exposed to damages, and the consequences can be critical. If a damage can be detected before failure level is reached, necessary actions can be taken to prevent failure and increase life-safety.

The main objective in this thesis is to ascertain if the existence and location of a damage can be detected by comparing a damaged system with a healthy reference system. Four data sets from a measurement campaign for the Hell bridge provides acceleration measurements for the structure in its undamaged and damaged state.

The natural frequencies and mode shapes, for healthy and damaged state, are identified from stabilisation diagrams by stochastic subspace identification methods. Both Cov-SSI and Comb-SSI are used to analyse the data sets. Damage-sensitive features are derived and evaluated from the modal properties in order to indicate the damage in the structure.

A set of nine system modes, or natural frequencies, are identified for the healthy structure. Only five of these appear in the damaged structure. The missing modes indicates the existence of the damage.

The COMAC plots indicated the area where the damage is located. By evaluating the contour plots, the possible area for the damage to be located is reduced by at least 71.4 %, and at most by 96 % of the total bridge deck area.

From the results, the Combined deterministic-stochastic subspace identification method is the preferred method to identify the modal properties of a structure and detect damage from damage-sensitive features.